Backboard.io开发了一个新的推理引擎,在单GPU上运行Qwen3.8-27B模型时,其吞吐量和延迟优于vLLM和SGLang。该引擎在各种输入和输出token配置下均取得了优异的结果,在首个token的中位数时间和端到端延迟方面有显著提升。Backboard.io将其引擎的性能归功于专有的4位草稿头(用于token提议)和全BF16模型验证,以及INT8绑定的LM头和自定义解码GEMM内核。 AI
影响 这一发展可能带来更高效、更快速的大型语言模型推理,从而降低运营成本并改善用户体验。
排序理由 该条目详细介绍了推理引擎的性能基准和技术实现,属于AI基础设施的研究与开发范畴。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →